正则化(Regularization)前言一、正则化引入二、代价函数三、正则化线性回归四、正则化逻辑回归总结
文章目录前言一、正则化引入二、代价函数三、正则化线性回归四、正则化逻辑回归总结前言一、正则化引入线性回归和逻辑回归，能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过拟合(over-fitting)的问题，可能会导致它们效果很差。通过学习得到的假设函数可能能够非常好地适应训练集（代价函数可能几乎为 0），但是可能会不能推广到新的数据eg：在回归问题中，有如下数据集和假设函数第一个模型是一个线性模型，欠拟合，不能很好地适应训练集，第三个模型是一个四次方的模型，..
